Odczarujmy klika - o modelowaniu atrybucyjnym w e-reklamie

Analizę zachowań internauty w sieci jeszcze przed kliknięciem danej reklamy umożliwia modelowanie atrybucyjne.

Polega ono na analizowaniu z jakimi reklamami miał kontakt konsument zanim dokonał zakupu na stronie. Jest to bardzo przydatne dla marketerów, którzy inwestują w kilka rodzajów aktywności. Załóżmy że kupiliśmy kampanię bannerową, video i w wyszukiwarce. Analizując za pomocą tradycyjnych narzędzi jej wpływ na sprzedaż dojdziemy do wniosku że najefektywniej wyniki sprzedaży budowała kampania w wyszukiwarce. Dzieje się tak dlatego, ponieważ konwersję analizuje się na podstawie ostatniego kliknięcia jakiego dokonał internauta w nasze reklamy. Od tego wniosku do decyzji o wycięciu z kolejnych budżetów pozycji „display” i „video” dzieli nas już zaledwie krok. Tymczasem może się okazać, że przed dokonaniem zakupu za pośrednictwem wyszukiwarki, konsument miał kontakt zarówno z bannerem, jak i z video, i to właśnie one zbudowały w nim potrzebę kupna. Nadawanie poszczególnym kanałom odpowiedniej wagi w procesie doprowadzania do sprzedaży nazywamy właśnie modelowaniem atrybucyjnym.

Modelowanie atrybucyjne w Google Analytics

Nadawanie atrybutów możemy praktykować na kilku poziomach. Obecnie w Polsce najbardziej znaną metodą jest modelowanie atrybucyjne w Google Analytics. Od niedawna jest ono dostępne również w darmowej wersji narzędzia. Jest to relatywnie najprostsza metoda analizowania tego, co doprowadziło do konwersji. Dzięki temu rozwiązaniu dowiemy się z jakiego źródła (display, SEM, performance etc.) i ile razy użytkownik odwiedził naszą stronę zanim dokonał zakupu.  Używanie tego narzędzia bez wątpienia stanowi krok w kierunku odejścia od dyktatu ostatniego kliknięcia jako ostatecznego wyznacznika skuteczności kampanii.

Problemem modelowania w Google Analytics jest to, że aby dojść do jakichkolwiek wniosków musimy mieć do czynienia z zarejestrowaniem wejścia internauty na naszą stronę. Nie wiemy nic o tym, co widział zanim wszedł na stronę. A przecież  sam fakt obcowania z reklamą wpływa na skłonność do wejścia na stronę. Wie o tym każdy, kto inwestuje w inne niż internetowe kampanie. W reklamę w telewizji nikt przecież nie klika, a jednak większość marketerów odczuwa wzrost ruchu na stronie spowodowany właśnie kontaktem widza z emitowaną w telewizji reklamą. Jak więc zbadać, czy fakt że ktoś widział reklamę, ale w nią nie kliknął od razu, w ostatecznym rozrachunku wpłynął na wygenerowanie sprzedaży? W tym miejscu z pomocą przychodzą bardziej zaawansowane formy modelowania.

Modele atrybucji na poziomie „post-view” i „post-engagement”

Jednym z najaktywniejszych promotorów modelowania atrybucyjnego jest Google. Dla tych którym nie wystarcza wspomniana funkcjonalność Google Analytics, przygotowano DoubleClick Campaign Manager. Narzędzie to pozwala budować modele atrybucji na poziomie „post-view” i „post-engagement”. Innymi słowy, daje możliwość sprawdzenia, jak fakt, że dany internauta widział reklamę lub w przypadku rich media, wszedł z nią w interakcję, wpłynął na późniejsze zachowanie zakupowe online.

Narzędzie to integruje szereg kanałów komunikacji: display, rich media, wyszukiwarkę i RTB. Dodatkowo jest połączone z Google Analytics i adserwerem, aby wnioski o konwersji można było od razu twórczo wprowadzić w życie, zmieniając ustawienia emisji kampanii. DoubleClick Campaign Manager pozwala na analizowanie zarówno wpływu poszczególnych klas mediów na siebie (np. jak często musieliśmy emitować reklamę display, aby internauta zdecydował się zacząć szukać marki w wyszukiwarce z której dokonał zakupu), jak również na zejście na poziom konkretnego wydawcy czy kreacji. Narzędzie Google jest jedynym, które pozwala dokonywać analiz „post-view” dla linków sponsorowanych w wyszukiwarce. W innych tego typu rozwiązaniach kody mierzące można, co najwyżej, zaszyć w linku docelowym, czyli analizować zachowanie „post-click”.

Prace Google nad narzędziem do modelowania atrybucyjnego nie zostały niezauważone. W marcu 2012 roku MediaMind ogłosił nawiązanie partnerstwa z Encore Media Metrics. Od tego czasu oferuje w swoich narzędziach do pomiaru kampanii kilka rodzajów modelowania, z których najciekawsze wydają się modele: statystyczny, oparty na testach A/B oraz operacyjny. Model statystyczny jest najogólniejszy i pozwala na badanie dużych i długich kampanii, pozostałe dwa są daleko bardziej szczegółowe i dają insighty w czasie rzeczywistym.

Narzędzia do modelowania atrybucyjnego oferuje również, szerzej nieobecny na polskim rynku, Omniture.

Zakrojone na  szeroką skalę prace nad integracją analityki internetowej pokazują, że rynek wchodzi w nową, dojrzalszą fazę planowania kampanii. Przy mnogości rozwiązań jakie ma do dyspozycji współczesny digital manager i wysokich budżetach alokowanych w internecie szczególnie żywotną kwestią jest nadanie właściwej wagi każdej z aktywności. Umiejętność rozróżniania tych wpływów sprawi że digital, jako kanał dotarcia do konsumentów pozyska jeszcze więcej budżetów kosztem słabiej mierzalnych tradycyjnych mediów

Maja Biniewicz, dyrektor strategii w K2 Media

Od lipca br. odpowiada w K2 Media za budowanie i wdrażanie strategii kluczowych klientów, optymalizację procesów biznesowych, a także wspomaganie kompetencji RTB. Z branżą interaktywną jest związana od 8 lat. Wcześniej pracowała w Starcom MediaVest Group.